王鑫野 李欣庭 李紅梅 馮潔

摘要：針對馬鈴薯晚疫病，提出了將病害葉片和健康葉片聯(lián)合測試并提取有效特征波長的檢測方法。對健康和病害葉片的光譜圖像進(jìn)行主成分分析，并從主成分圖像的權(quán)重系數(shù)曲線中提取出6個健康葉片特征波長和病害葉片特征波長。基于健康葉片與病害葉片的6個特征波長做第二次主成分分析，將特征波長優(yōu)化至712、19nm、749.70 nm和841.47 nm，再基于這3個特征波長做主成分分析，選用主成分中對比度最明顯的圖像來識別病害區(qū)域。研究表明，采用健康葉片與病害葉片聯(lián)合使用并結(jié)合二次主成分分析可實現(xiàn)馬鈴薯葉片病害的設(shè)別，且識別率可達(dá)100%。

關(guān)鍵詞：高光譜成像技術(shù);馬鈴薯晚疫病;健康病害結(jié)合;二次主成分分析;特征波長

中圖分類號：0433.4 文獻(xiàn)標(biāo)志碼：A

引言

馬鈴薯作為一種糧食作物在世界上占據(jù)重要的地位，尤其在中國，馬鈴薯的種植越來越廣泛，晚疫病作為馬鈴薯種植過程中常見且高發(fā)的病害之一始終威脅著馬鈴薯的生長。目前針對馬鈴薯晚疫病的診斷大都是采用傳統(tǒng)的經(jīng)驗定性診斷方法，但該方法的精確度有待提高且受多種因素影響。有效診斷、預(yù)防、治療晚疫病不僅能保證馬鈴薯的產(chǎn)量，而且能確保經(jīng)濟(jì)效益和社會效益。

近些年，高光譜成像技術(shù)飛速發(fā)展，該技術(shù)在許多方面得到應(yīng)用，尤其是在農(nóng)作物的檢測方面。相比其他技術(shù)，高光譜成像（hyper-spectralimaging）技術(shù)具有圖譜合一優(yōu)勢，能夠?qū)Υ郎y樣品的內(nèi)外部數(shù)據(jù)信息進(jìn)行可視化的表達(dá)，可以采集大量數(shù)據(jù)，并對多個指標(biāo)進(jìn)行同時采集。但是高光譜的數(shù)據(jù)量巨大，其中包含了大量與被測樣品無關(guān)的信息，這些信息會對數(shù)據(jù)的處理產(chǎn)生干擾，削弱模型的預(yù)測能力，甚至?xí)斐纱罅空`判。為了避免這種誤差的產(chǎn)生，需剔除不相干的數(shù)據(jù)，簡化模型，使模型具有穩(wěn)定準(zhǔn)確的預(yù)測能力，因此特征波長的提取就顯得尤為重要?？蒲腥藛T在農(nóng)產(chǎn)品的特征波長選取方面已做了許多研究：馮潔等采用波段指數(shù)對水稻的特征波長進(jìn)行提取，提取的10個波長能有效地反映出水稻的特征光譜信息;孫靜濤等對哈密瓜的可溶性固形物和硬度的波長進(jìn)行篩選，根據(jù)特征波長對成熟度進(jìn)行識別，設(shè)別的準(zhǔn)確率達(dá)94%;王海龍等使用相關(guān)系數(shù)法和競爭性自適應(yīng)重加權(quán)算法對番茄葉片真菌的特征波長進(jìn)行提取，分別得到4個和5個特征波長，并對葉片的真菌進(jìn)行了預(yù)測;董明等用ABS算法提取了小白菜的8個特征波長，這些波段可作為小白菜的有效特征波段，反映其光譜信息;尤笛等利用一階微分曲線選取了9個特征波長，并對4種不同蘋果的損傷區(qū)域進(jìn)行了識別;古文君等采用連續(xù)投影法選取了藍(lán)莓的6個特征波段，并對藍(lán)莓的內(nèi)部品質(zhì)進(jìn)行了檢測。以上研究均以傷病樣本為特征提取對象。在實際分類中，分類對象多為病害與健康樣本的合集，但把健康與病害樣本合用來提取馬鈴薯晚疫病特征波段的報道較少。主成分分析在數(shù)據(jù)降維方面具有顯著的效果，尤其是在特征波長選取方面。所以本文提出將健康樣本與典型病害樣本合用作為研究對象，結(jié)合主成分分析對采集的高光譜數(shù)據(jù)進(jìn)行特征波長的選取。

1材料與方法

1.1實驗材料

實驗材料選用云南師范大學(xué)生命與科學(xué)學(xué)院馬鈴薯種植基地種植的馬鈴薯葉片，生長時間為80 d，其中健康葉片18片、病害葉片（感染晚疫病的葉片）18片（發(fā)病時間為7 d），共36片。用高光譜成像系統(tǒng)快速采集這36片馬鈴薯葉片的高光譜圖像。

1.2高光譜成像系統(tǒng)與數(shù)據(jù)采集

高光譜成像系統(tǒng)如圖1所示。光譜儀為北京卓立漢光公司出產(chǎn)的GaiasSorter-Image-V10E，可以采集520個波段，波長范圍為400nm至1 000nm。系統(tǒng)兩側(cè)的線光源為4個50 w的鹵素?zé)?，在步進(jìn)電機(jī)驅(qū)動的載物臺上放置待測樣本，采集樣本圖像的CCD相機(jī)為Lumenera Infi-nity，垂直放置在平臺上方。為避免在樣本采集過程中受到其他光源干擾，將整個系統(tǒng)封裝在密閉的暗箱內(nèi)。

為避免采集的圖像出現(xiàn)失真，根據(jù)光源的照度調(diào)整好系統(tǒng)的參數(shù)。通過反復(fù)測試優(yōu)化，最終CCD相機(jī)的曝光時間確定為9.732 ms，步進(jìn)電機(jī)的速度為0.6 mm·s^-1，相機(jī)到載物臺的垂直高度為23 cm。為了減少采集工作的重復(fù)性，對多個病害樣本同時進(jìn)行采集，在載物臺上放置2排樣本，每排有3個，總共6個。采集健康樣本時，載物臺上每次只放1個作為參照。CCD相機(jī)對載物臺上的樣本進(jìn)行線掃描，載物臺在與CCD相機(jī)垂直的被掃平面內(nèi)移動。

1.3高光譜圖像校正

為了減少因光源造成的圖像顏色失真，需對采集的高光譜圖像進(jìn)行黑白校正。在相同環(huán)境下分別采集白幀圖像數(shù)據(jù)Pw和黑幀圖像數(shù)據(jù)Pd，對采集得到高光譜圖像數(shù)據(jù)進(jìn)行校正，設(shè)PS為初始圖像數(shù)據(jù)，則R為校正后的高光譜圖像數(shù)據(jù)，可表示為

所有高光譜圖像數(shù)據(jù)的采集采用Specview軟件，數(shù)據(jù)處理采用ENVI 5.1、MATLAB R2010a軟件。

2結(jié)果與分析

2.1光譜反射率曲線

采集36個樣本的光譜反射率曲線，此過程在Specview軟件中實現(xiàn)。如圖3所示。

從圖3中可以看到：健康和病害葉片的光譜反射率的走勢相似，兩者在550 nin附近都存在一個反射峰，在680nm附近存在一個吸收峰，在680～750 nm范圍內(nèi)光譜反射率急劇升高，表明近紅外范圍內(nèi)的光譜反射率明顯比可見光范圍的高;在600～690nm范圍內(nèi)健康葉片光譜反射率比患病葉片的光譜反射率稍低，在720～900 nm范圍內(nèi)健康葉片的光譜反射率卻遠(yuǎn)高于病害葉片的光譜反射率。在可見光范圍內(nèi)產(chǎn)生這種差異的原因是：在發(fā)病初期葉片本身存在自我保護(hù)機(jī)能，致使某種元素活性提升從而使得病害葉片的反射率數(shù)值略高;在近紅外范圍內(nèi)，病害逐漸侵染，葉片組織破損，水分喪失，使其光譜反射率數(shù)值比健康葉片低。

2.2特征波長選取

主成分分析（principal component analysis，PCA）是一種去除波段之間多余信息，且將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個轉(zhuǎn)換波段的方法。該方法既能避免信息間的互相重疊，還能通過簡化數(shù)據(jù)得到最具代表性且互不相關(guān)的變量子集。

首先對馬鈴薯晚疫病樣本的全波段高光譜數(shù)據(jù)進(jìn)行降維，并對全波段進(jìn)行主成分分析，得到分析后的前6個主成分圖像PC-1～PC-6，如圖4所示。

圖4中PC-1、PC-3、PC-5的主成分圖像保留了大部分的圖像信息，而其中第3主成分（PC-3）和第5主成分（PC-5）包含的病害區(qū)域最明顯，PC-1病害與健康部位對比不是很明顯，不利于后期處理，故選擇PC-3和PC-5進(jìn)行處理。

權(quán)重系數(shù)曲線的波峰處或波谷處被認(rèn)為是顯著特征波長，對區(qū)別感興趣特征波段貢獻(xiàn)最大。圖5為PC-3、PC-5主成分圖像的權(quán)重系數(shù)曲線，對PC-3、PC-5分別選取2個特征波長，即PC-3為563.32nm、749.70nm，PC-5為719.03nm、841.47 nm。

同樣，對健康馬鈴薯葉片進(jìn)行主成分分析，得到前3個主成分圖像。如圖6所示，PC-3圖像特點明顯，葉脈清晰，其他主成分圖像噪聲過大，因此選取PC-3進(jìn)行分析。

健康馬鈴薯葉片PC-3圖像權(quán)重系數(shù)曲線，如圖7所示。通過分析可選取2個特征波段，即712.19nm、958.48nm。

2.3基于特征波長的二次主成分分析

經(jīng)過主成分分析，對病害葉片選取4個特征波長，即563.32nm、719.03nm、749.70nm、841.47nm，對健康葉片選取2個特征波長，即712.19nm、958.48nm。為使檢測結(jié)果更具實效性，將病害葉片的4個特征波段與健康葉片的2個特征波段聯(lián)合使用，用選取出來的6個特征波長對病害葉片進(jìn)行二次主成分分析，主成分圖像如圖8所示。由主成分圖像可以看出，PC-1、PC-2和PC-6因噪聲較大或?qū)Ρ榷容^低不利于觀察病害區(qū)，PC-3、PC-4和PC-5可明顯觀察到病害區(qū)域。

為了得到更少更優(yōu)的波段，我們通過PC-3、PC-4和PC-5的權(quán)重系數(shù)曲線進(jìn)一步將6個特征波長最終縮減為3個，即712.19 nm、749.70 nm和841.47nm。

對優(yōu)化提取的3個特征波長進(jìn)行主成分分析，得到的灰度圖像如圖9所示，圖中的PC-3能明顯地區(qū)分病害區(qū)域。

2.4病害葉片二值化

采用ENVI軟件對最終提取的PC-3灰度圖像進(jìn)行二值化處理，經(jīng)過二值化處理后的圖像的病害部位更加明顯，更利于我們進(jìn)行區(qū)分，如圖10所示。對其余的病害葉片和健康葉片進(jìn)行同樣的處理，經(jīng)實驗可以發(fā)現(xiàn)，該方法對所有實驗樣本的識別率達(dá)100%。

3結(jié)論

二次主成分分析對馬鈴薯晚疫病特征波長的選取具有顯著的實效。健康葉片與病害葉片聯(lián)合使用效果佳，二值化處理更加利于病害的區(qū)分。此方法為馬鈴薯葉片病害分級和缺陷檢測提供了參考，也為其他植物的病害檢測提供了可行性方法。